风电场风速短期多步预测改进算法

对风电场风速实现较准确的预测,可以有效减轻并网后风电对电网的影响,提高风电市场竞争力。该文运用时间序列法对我国某风电场测风站实测风速建立时序求和自回归滑动平均(auto regress iveintegrated moving average,ARIMA)ARIMA(11,1,0)模型,并进行风速预测。针对模型在超前1步预测时出现的延时问题,引入卡尔曼预测法加以改进,提出卡尔曼时间序列法。针对时序模型超前多步预测精度低的问题,提出滚动式时间序列法。对提出的两种改进方法进行实例验证,结果表明,卡尔曼时间序列法不仅改善了预测延时问题,而且把超前1步预测的平均相对预测误差从6.49%降低为3.19%;滚动式时间序列法改善了多步预测的精度问题,模型超前3、5、10步预测的平均相对预测误差分别仅为7.01%,7.63%,8.42%。两种改进方法都没有明显增加时间序列法的建模计算量。